Módulo 3 - Novas Tecnologias aliadas à IoT

Prévia do material em texto

3Módulo
Internet of Things 
(IoT) aplicada para 
resolução de desafios na 
Administração Pública 
Gestão da Comunicação e do Conhecimento.
Novas Tecnologias aliadas à IoT
Enap, 2022
Fundação Escola Nacional de Administração Pública
Diretoria de Desenvolvimento Profissional
SAIS - Área 2-A - 70610-900 — Brasília, DF
Fundação Escola Nacional de Administração Pública
Diretoria de Desenvolvimento Profissional
Conteudista
Taiser Barros (conteudista, 2022);
Diretoria de Desenvolvimento Profissional.
Sumário
Unidade 1: Big Data e Inteligência Artificial .....................................4
 
1.1 Integração entre IoT e Big Data ................................................................................ 4
1.2 Integração entre IOT e Inteligência Artificial ......................................................... 11
Referências .......................................................................................................................17
Unidade 2: Machine Learning e Cloud Computing .........................19
 
2.1 Integração entre IoT e Machine Learning para Análise de Dados ..................... 19
2.2 Integração entre Cloud Computing e IoT .............................................................. 25
Referências .......................................................................................................................29
4Enap Fundação Escola Nacional de Administração PúblicaEnap Fundação Escola Nacional de Administração Pública
Módulo
Novas Tecnologias aliadas à IoT3
Neste módulo, a discussão será focada em tecnologias que podem ampliar ainda mais 
o leque de aplicações das redes IoT, bem como suas funcionalidades. 
Você conhecerá conceitos relacionados a quatro tecnologias principais: Big Data, 
Inteligência Artificial, Machine Learning e Cloud Computing. Cada uma delas se relaciona 
à IoT de uma forma particular, que será explicada no texto deste módulo. 
Assim como a IoT, as quatro tecnologias citadas permitem que novos tipos de negócios, 
serviços e produtos sejam desenvolvidos. Que tal conhecê-las e prospectar a gama de 
aplicações que podem surgir a partir da utilização delas? 
Uma das figuras mais importantes do mundo da tecnologia é o fundador da 
Microsoft, o visionário Bill Gates. Atribui-se a ele uma previsão infundada sobre 
a máxima quantidade de memória que precisaríamos em nossos computadores 
pessoais: 640 kilobytes. 
1.1 Integração entre IoT e Big Data 
Unidade 1: Big Data e Inteligência Artificial 
Objetivo de aprendizagem
Ao concluir esta unidade, você estará apto(a) a identificar como ocorre a integração da 
IoT com as tecnologias de Big Data e de Inteligência Artificial. 
Enap Fundação Escola Nacional de Administração Pública 5
Para se ter ideia do quanto esta previsão foi errada, um arquivo com extensão mp3, 
utilizado para reproduzir áudio, tem em média 6 megabytes (5 minutos de música). 
Essa quantidade de memória é aproximadamente dez vezes maior que a prevista 
por Bill Gates. Ou seja, se realmente fosse utilizado o máximo de memória previsto 
por ele, não teríamos espaço nem para escutar uma música! 
Gates com certeza não esperava que a quantidade de dados gerados pela 
humanidade fosse atingir índices tão elevados como os que ocorreram na última 
década. A figura a seguir apresenta uma ideia da quantidade gigante de dados que 
trafegam na internet a cada minuto: 
Bill Gates.
Fonte: Pixabay
6Enap Fundação Escola Nacional de Administração Pública
O que acontece em um minuto na internet.
Elaboração: CEPED/UFSC (2022). Adaptado de Excelacom (2016)
Os dados produzidos por milhares de usuários precisam ser tratados, armazenados 
e acessados por diferentes aplicativos e bases de dados. Da mesma forma, as 
indústrias e serviços oferecidos a diferentes tipos de consumidores geram uma 
grande quantidade de dados a cada minuto. A tecnologia conhecida como Big Data 
se refere justamente à grande quantidade de dados gerados e toda a infraestrutura 
necessária para gerir esses dados. 
Enap Fundação Escola Nacional de Administração Pública 7
Os autores destacam ainda as cinco dimensões (os 5 “Vs”) do Big Data:
A relação entre IoT e Big Data é citada no trabalho de Mudholkar e Mudholkar (2018, 
p. 5003) a partir da ideia de que uma solução para gerenciar o grande aumento de 
dados gerados é necessária. A IoT conecta cada vez mais dispositivos à rede, e esses 
dispositivos contribuem para geração de uma grande quantidade de dados. 
O Big Data é uma solução para o problema de dados, permitindo armazenar uma 
quantidade ilimitada deles em ambiente seguro. Adicionalmente, combinar essa 
tecnologia com a IoT permitirá uma revolução técnica para as futuras gerações.
Assim como estabelece o documento do BNDES (2017), as aplicações de IoT são 
geradoras de Big Data, pois os dispositivos de uma rede IoT geram um expressivo 
volume de dados – em períodos de minutos, horas ou até mesmo dias – que precisam 
ser armazenados. Assim, torna-se necessária uma tecnologia de software capaz de 
organizar e tratar dados em alto volume, demanda atendida pelo Big Data.
“o Big Data é um tema relevante entre estudiosos 
e profissionais, definido como ‘[...] uma abordagem 
holística para gerenciar, processar e analisar os 
dados em cinco dimensões, e que tem como objetivo 
permitir a entrega de valor de forma sustentada, 
medir desempenho, criar competências e melhorar 
o processo decisório’.” 
1 Volume: satisfação, acessibilidade aos dados; 
3 Velocidade: tempo de acesso à informação e a tomada de decisão; 
2 Variedade: diversidade de fontes e tipos de dados; 
4 Veracidade: confiança na exatidão apresentada pelos dados; e 
5 Valor: o que as informações melhoram nos resultados, além do valor financeiro 
utilizado para obter os dados com um bom nível de qualidade.
Mendonça, Andrade e Neto (2018, p. 135) indicam que 
8Enap Fundação Escola Nacional de Administração Pública
Big Data.
Fonte: Freepik.com
Um exemplo de aplicação do Big Data são as iniciativas Rio Datamine e Data.Rio 
(SISTEMA FIRJAN, 2016, p. 24), caracterizadas por uma nova concepção de gestão de 
informação urbana formada por diversas bases de dados produzidas por agências 
e instituições da cidade do Rio de Janeiro. O documento do Sistema FIRJAN (2016) 
explica que esses tipos de iniciativas, as quais dão acesso aos dados públicos, 
permitem o desenvolvimento de serviços encadeados. 
As iniciativas Rio Datamine e Data.Rio promoveram uma visão holística da cidade, 
com fontes convergentes de dados, tecnologias virtuais e aplicativos, com dados 
ubíquos. Há ainda uma previsão de que a cidade do Rio de Janeiro consiga aprimorar 
a produtividade das iniciativas citadas agregando funcionalidades por meio da 
utilização da IoT. 
Como outros exemplos de utilização integrada de Big Data e IoT, Mudholkar e 
Mudholkar (2018, p. 5004) apresentam:
Enap Fundação Escola Nacional de Administração Pública 9
Transportes inteligentes.
Fonte: Freepik.com
Tecnologias móveis.
Fonte: Freepik.com
1 Transportes inteligentes permitem acessar transporte público, compartilhamento 
de caronas e uma quantidade não quantificável de conveniências. Os transportes, 
sejam de via aérea, terrestre ou marítima, bem como a logística, são componentes 
essenciais para a produtividade de muitas empresas, e o acesso aos dados dos modais 
de transporte em tempo real é crítico. 
2 Por meio do uso das tecnologias móveis e da IoT, as empresas podem acelerar a 
produtividade, lucratividade e operações com soluções projetadas especificamente 
para seus processos. Elas podem conectar todos os seus dispositivos em uma rede em 
nuvem centralizada e capturar e compartilhar seus dados com Big Data, permitindo 
visibilidade em tempo real de suas operações. 
10Enap Fundação Escola Nacional de Administração Pública
3 Os hospitais inteligentes podem usar a IoT para coletar, transmitir e analisar 
os dados de pacientes. O Hospital Universitário Clermont-Ferrand, na França, 
implantouuma iniciativa de IoT e Big Data em parceria com as empresas Microsoft 
e Capsule Technologies. O hospital construiu um sistema para coletar e organizar 
dados de dispositivos médicos conectados, as enfermeiras autenticam o acesso 
em um aplicativo móvel e podem enviar os dados do paciente diretamente de seus 
dispositivos e ferramentas médicas. O sistema permite que os profissionais possam 
coletar mais dados em menos tempo, otimizando o trabalho. 
Big Data.
Fonte: Freepik.com
E você, consegue prever as possibilidades de integrar uma rede de dispositivos 
conectados que geram um grande volume de dados e posteriormente utilizar 
uma ferramenta capaz de analisá-los para fornecer propostas de novas soluções, 
independentemente da área de análise? É isso o que se consegue aliando o Big 
Data à IoT. Esse tipo de solução pode ser aplicada vastamente no setor público, 
oferecendo serviços otimizados aos cidadãos. 
Os exemplos apresentados foram das áreas de transporte e saúde, mas podem 
ser estendidos para outros setores, como agricultura, segurança, coleta seletiva de 
resíduos, entre outros.
Enap Fundação Escola Nacional de Administração Pública 11
De uma forma menos técnica, você pode compreender a relação 
entre IoT e Big Data como dois players, com o primeiro sendo 
aquele que vai “a campo”, coleta e entrega dados, e o segundo, 
aquele que reúne os dados coletados, analisa-os e mostra como 
podem gerar uma solução! 
Uma definição de Inteligência Artificial (IA) é apresentada por Ghosh, Chakraborty e 
Law (2018) como:
Com essa definição, fica claro que, de alguma forma, estamos permitindo que 
máquinas consigam efetuar tarefas ordinariamente associadas com a atividade 
humana. Pense nisso! 
A Inteligência Artificial, assim como outras tecnologias, como o Big Data, é um dos 
vetores de inúmeras transformações tecnológicas que estamos vivenciando. Neste 
contexto, Magrani (2018, p. 4) destaca a Inteligência Artificial, a internet ubíqua 
e móvel e a rede de sensores como algumas das tecnologias que permitiram a 
chamada Quarta Revolução Industrial: 
1.2 Integração entre IOT e Inteligência Artificial 
“[...] ciência capaz de gerar inteligência em máquinas 
para que estas sejam capazes de efetuar tarefas 
que tradicionalmente exigem habilidades da mente 
humana” (p. 1). 
12Enap Fundação Escola Nacional de Administração Pública
As quatro revoluções industriais
Elaboração: CEPED/UFSC (2022). Adaptado de Shutterstock.com
A quarta revolução industrial, também conhecida como 
“Indústria 4.0”, situa as transformações e inovações industriais 
no panorama associado a tecnologias como a IoT, IA e Big Data, 
entre outras. Na indústria 4.0, os processos de produção estão 
mais automatizados, podendo gerar dados que são analisados 
em tempo real, além de poderem, em muitos casos, ser 
customizados pelos clientes. Algumas empresas permitem que o 
próprio cliente faça a micro gestão de um pedido, customizando, 
por exemplo, a estampa de uma camiseta que foi produzida com 
um determinado tipo de tecido também customizado. 
Na figura, foram apresentadas as quatro revoluções industriais, 
iniciando com a mecanização da indústria (1.0), que corresponde 
ao surgimento da máquina à vapor de James Watt, até chegar no 
momento atual, conhecido como indústria 4.0. 
INDÚSTRIA 1.0
Mecanização, força 
à vapor e tear de 
tecelagem
INDÚSTRIA 2.0
Produção em massa, 
linha de montagem, 
energia elétrica
INDÚSTRIA 3.0
Automação, 
computadores e 
eletrônicos
INDÚSTRIA 4.0
Sistemas ciberfísicos, 
IOT, redes
1784 1870 1969 HOJE
As Revoluções Industriais
Enap Fundação Escola Nacional de Administração Pública 13
Bot.
Fonte: Freepik.com
Os modelos de negócio estão e continuarão sendo afetados pelas transformações 
tecnológicas. Atualmente, uma das maiores indústrias mundiais é a de veículos 
automotores, na qual a grande maioria dos fabricantes ainda comercializa o velho 
modelo com base no motor à combustão. Mesmo que empresas como a Tesla tenham 
demonstrado que o mundo está preparado para o veículo elétrico, em países como o 
Brasil essa realidade ainda parece distante. Contudo, empresas como a Alphabet (matriz 
do Google) já têm foco no desenvolvimento de softwares para veículos autônomos, com 
base em suas forças na computação de dados maciça (ROGERS, 2017, p. 90). 
Rogers (2017) explica que, quando os carros autônomos se tornarem viáveis 
comercialmente, a empresa que hoje é mais conhecida pelo seu mecanismo de 
busca poderá tornar-se um dos atores dominantes na indústria automobilística 
mundial, a qual está cada vez mais focando em dados e em inteligência artificial. 
Com essa fala, o autor faz uma relação entre IA e IoT, considerando que, 
Ou seja, setores que hoje ainda não possuem uma conexão direta com a área da 
IoT e da inteligência artificial tendem a agregar estas tecnologias. Essa previsão é 
extremamente otimista, pois permite imaginar que áreas como saúde, educação, 
mobilidade e segurança pública estarão entre os setores beneficiados. 
à medida que sensores e conectividade digital se 
tornam partes essenciais de cada vez mais objetos 
(automóveis e aparelhos domésticos, por exemplo), a 
IoT provavelmente redefinirá as fronteiras de muitos 
setores que até agora foram menos impactados. 
14Enap Fundação Escola Nacional de Administração Pública
A Inteligência Artificial muitas vezes parece um tópico de ficção científica, distante 
da realidade; porém, se forem analisados os sistemas atuais, é possível perceber 
que a IA já é uma realidade presente. Qual foi a última vez que você teve um 
atendimento de uma operadora de telefonia que tenha sido realizado totalmente 
por um atendente humano? Geralmente, os passos iniciais do atendimento são 
realizados por um bot, que é uma inteligência artificial programada para imitar o 
passo a passo seguido por um operador humano. 
Interagir com bots já está se tornando tão natural que, muitas vezes, pode 
passar despercebido o fato de que isto é tecnologia pura empregada no dia a 
dia, para o benefício do usuário/consumidor. Assim deve ocorrer com cada nova 
modificação tecnológica que houver em no cotidiano: aos poucos, a utilização se 
torna natural para o ser humano. 
Na resenha apresentada por Pinto de Paula Filho e Lamy (2020, p. 226), pode-se 
verificar indicações da utilização de sistemas de IA, IoT e Big Data voltados à saúde 
que tendem a modificar o tratamento médico, centrando-o na saúde e não na 
doença. Assim, o paciente será o centro do sistema, e não mais o médico.
O quão próximo estamos do momento em que teremos robôs 
autônomos que possam cuidar de pacientes? Pessoas idosas 
que precisam de companhia e cuidado constante poderão ter 
um cuidador robótico, recebendo informações em tempo real 
via sensores instalados no paciente que monitoram pressão 
sanguínea, nível de glicose e de hidratação. Todos esses sensores 
são conectados via IoT com o robô, que possui um nível de IA 
avançado e dedicado para o cuidado. Ficção ou um produto em 
desenvolvimento que estará disponível nos próximos anos? 
Em algumas áreas da medicina e da saúde, a utilização de robôs 
já é uma realidade, como é o caso do robô Da Vinci (veja aqui), 
utilizado em cirurgias, e da linha de robôs da empresa KUKA 
Robotics, aplicada em tratamento de pacientes (veja aqui). O 
robô Da Vinci possui uma estrutura com braços robóticos que 
https://summitsaude.estadao.com.br/tecnologia/cirurgia-robotica-conheca-o-primeiro-da-vinci-x-usado-no-brasil/
https://www.kuka.com/pt-br/ramos-de-atividade/setor-de-sa%C3%BAde
Enap Fundação Escola Nacional de Administração Pública 15
Com a evolução da IA e da IoT, é possível prever que, em alguns anos, um robô 
cirúrgico será capaz de identificar por visão computacional qual porção de um órgão 
ou tecido precisa ser operada e, por meio da leitura de uma rede de sensores, 
extrair informação em tempo real de como o processo cirúrgico está influenciando 
os sinais vitais do paciente. Será que cada vez mais o papeldo ser humano será o de 
supervisionar a máquina, sem precisar atuar diretamente na cirurgia? Pense nisso! 
Especificamente sobre a integração IA – IoT, Vicari (2021, p. 80) cita a utilização de 
equipamentos ou tecnologias vestíveis (wearables) na manutenção da atenção dos 
alunos durante as aulas: a autora exemplifica o uso de tiaras que possuem sensores 
que recebem sinais do cérebro (eletroencefalograma (EEG)) e emitem sinais para 
monitorar a atenção dos alunos que as vestem. 
Os equipamentos vestíveis, em geral, estão conectados à internet – neste caso, à 
IoT –, configurando uma aplicação educacional desta tecnologia. A autora cita ainda 
que o mercado de equipamentos vestíveis que utilizam IA pode movimentar U$ 180 
bilhões até 2023 (VICARI, 2021, p. 80). 
Outra aplicação significativa de IA aliada à IoT é na área da educação e ensino, como 
apresentado por Vicari (2021), utilizando tecnologias como: 
• Processamento de Linguagem Natural (PLN); 
• Realidade Aumentada (RA); e 
• Realidade Virtual (RV). 
De uma forma mais figurativa, compreenda que a inteligência 
humana é “emprestada” para as máquinas pelo uso da IA, bem 
como os sentidos, como tato e visão, são “imitados” pelos sensores. 
permite ao cirurgião executar movimentos precisos utilizando 
ferramentas como bisturi e agulhas de sutura, garantindo 
precisão milimétrica nos movimentos.
16Enap Fundação Escola Nacional de Administração Pública
A educação é um setor prioritário em países de primeiro mundo e deve ser também 
uma prioridade em países em desenvolvimento, como é o caso do Brasil. Neste 
sentido, a aplicação de tecnologias na educação pode representar uma alternativa 
governamental para melhorar os índices de desempenho. 
E você, de que forma enxerga a aplicação destas tecnologias na sociedade? Em 
seu setor de atuação, considera possível apresentar propostas de implantação 
destas tecnologias, agregando-as aos serviços oferecidos aos cidadãos? Ou ainda, 
considera possível desenvolver novos produtos que utilizem as tecnologias citadas 
para desenvolver a indústria nacional e otimizar os comércios e estabelecimentos? 
Reflita sobre essas questões. 
Você chegou ao final desta unidade em que foi apresentado a conceitos relativos às 
áreas de Big Data e de IA, relacionando-as com a IoT. Agora, está habilitado(a) a identificar 
como ocorre a integração destas tecnologias. Continue firme em seus estudos! 
Enap Fundação Escola Nacional de Administração Pública 17
BANCO NACIONAL DE DESENVOLVIMENTO ECONÔMICO E SOCIAL (BNDES). Produto 
8: Relatório do Plano de Ação – Iniciativas e projetos mobilizadores. Rio de Janeiro, 
2017. Versão 1.1. 65 p. Disponível em: https://www.bndes.gov.br/wps/wcm/connect/
site/269bc780-8cdb-4b9b-a297-53955103d4c5/relatorio-final-plano-de-acao-
produto-8-alterado.pdf?MOD=AJPERES&CVID=m0jDUok. Acesso em: 21 jan. 2022. 
EXCELACOM. 2016 Update: What Happens in One Internet Minute? 2016. 
Disponível em: https://www.excelacom.com/resources/insights/2016-update-what-
happens-in-one-internet-minute.html. Acesso em: 25 jan. 2022. 
GHOSH, Ashish; CHAKRABORTY, Debasrita; LAW, Anwesha. Artificial Intelligence 
in Internet of Things. CAAI Transactions On Intelligence Technology, [S.L.], 
v. 4, n. 3, p. 1-11, out. 2018. Disponível em: https://www.researchgate.net/
publication/328223360_Artificial_Intelligence_in_Internet_of_Things. Acesso em: 25 
jan. 2022. 
MAGRANI, Eduardo. A Internet das Coisas no Brasil: Estado da arte e reflexões 
críticas ao fenômeno. Rio de Janeiro: Instituto Igarapé, 2018. 21 p. Artigo Estratégico 
37. Disponível em: https://igarape.org.br/wp-content/uploads/2018/11/A-Internet-
das-Coisas-no-Brasil-Estado-da-arte-e-reflexo%CC%83es-cri%CC%81ticas-ao-
feno%CC%82meno-Eduardo-Magrani.pdf. Acesso em: 21 jan. 2022. 
MENDONÇA, Cláudio Márcio Campos; ANDRADE, António Manuel Valente de; SOUSA 
NETO, Manoel Veras de. Uso da IoT, Big Data e inteligência artificial nas capacidades 
dinâmicas. Revista Pensamento Contemporâneo em Administração, Rio de 
Janeiro, v. 12, n. 1, p. 131-151, 28 mar. 2018. Disponível em: https://periodicos.uff.
br/pca/article/view/11350/pdf. Acesso em: 21 jan. 2022. 
MUDHOLKAR, Pankaj; MUDHOLKAR, Megha. Internet of Things (IoT) and Big Data: 
A Review. International Journal Of Management, Technology And Engineering, 
[S.l.], v. 8, n. XII, p. 5001-5007, 2018. Disponível em: https://www.researchgate.net/
publication/340529026_Internet_of_Things_IoT_and_Big_Data_A_Review. Acesso 
em: 25 jan. 2022. 
PINTO DE PAULA FILHO, Luiz; LAMY, Marcelo. A revolução digital na saúde: como a 
inteligência artificial e a internet das coisas tornam o cuidado mais humano, eficiente 
e sustentável. Cadernos Ibero-Americanos de Direito Sanitário, [S. l.], v. 9, n. 3, p. 
225–234, 2020. Disponível em: https://www.cadernos.prodisa.fiocruz.br/index.php/
cadernos/article/view/707. Acesso em: 25 jan. 2022. 
ROGERS, David L. Transformação digital: repensando o seu negócio para a era 
digital. 1ª ed. São Paulo: Autêntica Business, 2017. 
Referências 
https://www.bndes.gov.br/wps/wcm/connect/site/269bc780-8cdb-4b9b-a297-53955103d4c5/relatorio-final-plano-de-acao-produto-8-alterado.pdf?MOD=AJPERES&CVID=m0jDUok
https://www.bndes.gov.br/wps/wcm/connect/site/269bc780-8cdb-4b9b-a297-53955103d4c5/relatorio-final-plano-de-acao-produto-8-alterado.pdf?MOD=AJPERES&CVID=m0jDUok
https://www.bndes.gov.br/wps/wcm/connect/site/269bc780-8cdb-4b9b-a297-53955103d4c5/relatorio-final-plano-de-acao-produto-8-alterado.pdf?MOD=AJPERES&CVID=m0jDUok
https://www.excelacom.com/resources/insights/2016-update-what-happens-in-one-internet-minute.html
https://www.excelacom.com/resources/insights/2016-update-what-happens-in-one-internet-minute.html
https://www.researchgate.net/publication/328223360_Artificial_Intelligence_in_Internet_of_Things
https://www.researchgate.net/publication/328223360_Artificial_Intelligence_in_Internet_of_Things
https://igarape.org.br/wp-content/uploads/2018/11/A-Internet-das-Coisas-no-Brasil-Estado-da-arte-e-reflexo%CC%83es-cri%CC%81ticas-ao-feno%CC%82meno-Eduardo-Magrani.pdf
https://igarape.org.br/wp-content/uploads/2018/11/A-Internet-das-Coisas-no-Brasil-Estado-da-arte-e-reflexo%CC%83es-cri%CC%81ticas-ao-feno%CC%82meno-Eduardo-Magrani.pdf
https://igarape.org.br/wp-content/uploads/2018/11/A-Internet-das-Coisas-no-Brasil-Estado-da-arte-e-reflexo%CC%83es-cri%CC%81ticas-ao-feno%CC%82meno-Eduardo-Magrani.pdf
https://periodicos.uff.br/pca/article/view/11350/pdf
https://periodicos.uff.br/pca/article/view/11350/pdf
https://www.researchgate.net/publication/340529026_Internet_of_Things_IoT_and_Big_Data_A_Review
https://www.researchgate.net/publication/340529026_Internet_of_Things_IoT_and_Big_Data_A_Review
https://www.cadernos.prodisa.fiocruz.br/index.php/cadernos/article/view/707
https://www.cadernos.prodisa.fiocruz.br/index.php/cadernos/article/view/707
18Enap Fundação Escola Nacional de Administração Pública
SISTEMA FIRJAN (Rio de Janeiro). Indústria 4.0: Internet das Coisas. 2016. Publicações 
Firjan: Cadernos de Inovação. Disponível em: https://www.firjan.com.br/publicacoes/
publicacoes-de-inovacao/industria-4-0.htm. Acesso em: 25 jan. 2022. 
VICARI, Rosa Maria. Influências das Tecnologias da Inteligência Artificial no ensino. 
Estudos Avançados, [S. l.], v. 35, n. 101, p. 73-84, 2021. Disponível em: https://www.
revistas.usp.br/eav/article/view/185034. Acesso em: 25 jan. 2022.
https://www.firjan.com.br/publicacoes/publicacoes-de-inovacao/industria-4-0.htm
https://www.firjan.com.br/publicacoes/publicacoes-de-inovacao/industria-4-0.htm
https://www.revistas.usp.br/eav/article/view/185034
https://www.revistas.usp.br/eav/article/view/185034
Enap Fundação Escola Nacional de Administração Pública 19
Para iniciar a discussão sobre Machine Learning (ML), é interessante você notar que a 
definição de Inteligência Artificial (IA) propõe que a máquina consiga realizar tarefas 
com complexidade similar àquela apresentada pela mente humana. 
Singh et al. (2021, p. 1) trazem que o aprendizadode máquina é uma aplicação da IA 
que permite a um sistema aprender automaticamente por meio de experiência, sem 
precisar de uma programação explícita. Os autores destacam que o aprendizado 
de máquina pode ser usado para sintetizar relações fundamentais de uma grande 
variedade de dados, que são utilizados para resolver problemas em tempo real. 
2.1 Integração entre IoT e Machine Learning para Análise de Dados 
Unidade 2: Machine Learning e Cloud Computing 
Objetivo de aprendizagem
Ao concluir esta unidade, você estará apto(a) a identificar a integração da IoT com as 
tecnologias de Machine Learning e Cloud Computing. 
De uma forma simples, compreenda o Machine Learning (em 
português, aprendizado de máquina) como uma parte da 
IA que busca ensinar a máquina a “pensar”. Obviamente, 
essa compreensão precisa ser fundamentada com conceitos 
técnicos para não trazer uma percepção incorreta do objetivo 
desta área de estudo. 
20Enap Fundação Escola Nacional de Administração Pública
 Ensinando a criança a falar.
Fonte: Freepik.com
Ensinando a máquina a falar.
Fonte: Freepik.com
1 Quando se ensina uma criança a falar, começa-se de maneira simples e gradual: 
primeiro com sons, depois com palavras simples e, finalmente, a criança começa a 
encaixar as palavras e formar frases. 
2 O aprendizado de máquina é uma ciência que tenta descrever para uma máquina 
como ela pode aprender determinada tarefa ou reconhecer um padrão. Isso é feito 
utilizando uma série de informações passadas para um algoritmo capaz de distinguir 
entre um determinado conjunto de classificadores. 
Enap Fundação Escola Nacional de Administração Pública 21
Processo de aprendizagem da máquina.
Fonte: Freepik.com
Máquina reconhece um animal.
Elaboração: CEPED/UFSC (2022). Adaptado de Freepik.com
3 Não há muita diferença entre ensinar um humano, um animal ou uma máquina; 
para que ocorra o aprendizado, basta utilizar as técnicas apropriadas para cada 
situação. Para que você compreenda o processo da aprendizagem de máquina, pense 
analogamente em como nós, seres humanos, aprendemos. Em uma tarefa simples, 
como reconhecer uma determinada espécie animal, não é necessário tê-la visto ao 
vivo – basta que o humano tenha observado um conjunto de imagens do animal e, 
caso encontrasse um exemplar da espécie, seria natural reconhecê-la. 
4 Assim como o ser humano, a máquina vai precisar analisar as fotos do animal 
previamente para “aprender” suas características, como cor, tipo de pelos, tamanho, 
se possui ou não penas etc. Depois que as características são assimiladas, é possível 
reconhecer o animal ou qualquer outro objeto. Especificamente no casos das máquinas, 
deve-se utilizar um conjunto (“set”) de dados para que ocorra o aprendizado. 
22Enap Fundação Escola Nacional de Administração Pública
Kubat (2017, p. 1) apresenta um exemplo de teor técnico que consiste em um 
conjunto de dados relativo aos tipos de torta que “Joãozinho” gosta ou não gosta. 
Gostar e não gostar constituem um exemplo de um set de dados do tipo “positivo” e 
“negativo” de treinamento, por meio do qual a máquina vai induzir um classificador. 
O classificador é um algoritmo capaz de classificar conforme um conjunto dado de 
categorias. Para o exemplo mencionado, serão utilizadas duas classificações (categorias): 
positiva (Joãozinho gosta da torta) ou negativa (Joãozinho não gosta da torta). 
A figura a seguir mostra os seis tipos de torta que Joãozinho gosta e os seis tipos que 
ele não gosta. 
O número de classes que serão informadas ao algoritmo classificador pode, 
obviamente, ser maior que duas. Imagine que o classificador vá verificar a estação 
do ano em que uma foto foi tirada: nesse caso, seriam necessárias quatro classes, 
uma para cada estação. Para o exemplo oferecido, Kubat (2017) justifica a utilização 
de apenas duas classes somente pela simplicidade. 
Ao analisar a figura anterior, pode-se definir cinco atributos relativos ao domínio “Tortas”: 
Tipos de torta que Joãozinho gosta e tipos que ele não gosta.
Elaboração: CEPED/UFSC (2022). Adaptado de Kubat
1
7
2
8
3
9
4
10
5
11
6
12
Enap Fundação Escola Nacional de Administração Pública 23
Os atributos são uma forma padronizada de informar ao classificador o que pode 
ser “aprendido” a partir da figura. O quadro a seguir apresenta as doze classificações 
possíveis para as tortas apresentadas na figura “Tipos de torta que Joãozinho 
gosta e as que ele não gosta”. Os doze exemplos são os dados de entrada para o 
algoritmo classificador. 
Exemplos de treinamento para o algoritmo classificador.
Elaboração: CEPED/UFSC (2022). Adaptado de Kubat (2017).
1 forma: círculo, triângulo ou quadrado; 
3 coloração da crosta: branca, cinza ou escura; 
2 tipo da crosta: fina ou grossa; 
4 espessura do recheio: fino ou grosso; e 
5 coloração do recheio: branco, cinza ou escuro. 
Exemplo Forma Tamanho Coloração Tamanho Coloração Classe
1 Círculo Grossa Cinza Grossa Escura Positiva
2 Círculo Grossa Branca Grossa Escura Positiva
3 Triângulo Grossa Escura Grossa Cinza Positiva
4 Círculo Fina Branca Fina Escura Positiva
5 Quadrado Grossa Escura Fina Branca Positiva
6 Círculo Grossa Branca Fina Escura Positiva
7 Círculo Grossa Cinza Grossa Branca Negativa
8 Quadrado Grossa Branca Grossa Cinza Negativa
9 Triângulo Fina Cinza Fina Escura Negativa
10 Círculo Grossa Escura Grossa Branca Negativa
11 Quadrado Grossa Branca Grossa Escura Negativa
12 Triângulo Grossa Branca Grossa Cinza Negativa
Crosta Recheio
24Enap Fundação Escola Nacional de Administração Pública
Com os dados disponibilizados, é o momento de criar o classificador, que será 
programado em alguma linguagem específica, seguindo uma equação lógica. É 
possível montar, por exemplo, uma equação lógica que retorna “verdadeiro” para 
os exemplos positivos e “falso” para os exemplos negativos: [(Forma = Círculo) E 
(Coloração do Recheio = Escura)]. 
Utilizando esse classificador nos dados do quadro, verifica-se que todos os 
exemplos com classificação negativa retornam falso, enquanto os quatro exemplos 
da classificação positiva retornam verdadeiro. Dessa forma, esse classificador não 
foi projetado corretamente, pois, dos seis exemplos de tortas que Joãozinho gosta, 
o classificador acertou apenas quatro, cometendo dois erros. 
Um outro exemplo que pode ser analisado é o classificador [(Forma = Círculo) E 
(Coloração do Recheio = Escura)] OU [NÃO(Forma = Círculo) E (Coloração da 
Crosta = Escura)], que, ao ser aplicado nos dados do quadro apresentado, retorna 
falso. Ou seja, esse é outro classificador que não “acerta” as tortas que Joãozinho 
gosta. 
O processo agora seria analisar os dados do quadro buscando um classificador 
ideal, que consiga uma taxa de acerto o mais próximo possível de 100%. Claro que 
esse processo efetuado “manualmente” tem propósitos didáticos, apenas. Pode-se 
utilizar bibliotecas já consolidadas para efetuar essa classificação, como as bibliotecas 
TensorFlow e PyTorch, disponibilizadas para utilização com linguagem Python. 
Com relação à integração entre aprendizado de máquina e IoT, as possibilidades 
de aplicação trazem um vasto panorama. Por exemplo: imagine que uma rede de 
sensores pode gerar dados em tempo real enquanto estes dados são transferidos 
para um processamento central, no qual um algoritmo classificador os avalia, 
retornando ao usuário determinada análise. Um controle de atividade sísmica, 
nesse caso, poderia prever com grande antecipação a ocorrência de um terremoto, 
garantindo segurança aos habitantes de regiões propensas ao fenômeno.
As técnicas de machine learning estão sendo utilizadas para criar aplicações IoT mais 
“inteligentes”, como traz Arora (2020). Porém, uma vez que as aplicações de ML 
exigem um processamento poderoso, ainda há limitação nos tipos de aplicações 
existentes. Nos casos como o do exemplo citado para controle sísmico, no qual a 
rede IoT coleta dados e o ML está instalado em uma máquina com capacidade deprocessamento, já existem soluções prontas rodando. 
Agora, aplicações mais específicas, como a utilização de ML para garantir segurança 
de criptografia nas aplicações IoT com o processamento acontecendo direto nos nós 
da rede, há uma limitação de aplicações associadas com a restrição da capacidade 
de processamento de cada nó. 
Enap Fundação Escola Nacional de Administração Pública 25
Assim como o exemplo de classificação de tortas anteriormente apresentado, os 
conceitos básicos de aprendizagem de máquina são bastante técnicos. Recomenda-
se a busca de aprofundamento no tópico de aprendizagem de máquina com a leitura 
do trabalho de Sharma e Nandal (2020), que apresenta exemplos de aplicação desta 
tecnologia junto à IoT. 
Para conhecer mais sobre a relação do machine learning com a IoT, assista ao 
vídeo a seguir:
Videoaula: Integração entre IoT e Machine Learning para Análise de Dados
Cloud Computing ou computação em nuvem, conforme a definição de Al-Qamash et 
al. (2018, p. 276), 
2.2 Integração entre Cloud Computing e IoT 
É um paradigma de avanço em desenvolvimento de 
software, o qual permite que dados e programas 
sejam deslocados dos computadores pessoais e dos 
servidores das organizações para a nuvem. 
Para Humayun (2020, p. 494), a computação em 
nuvem é como um data center que está disponível 
sob demanda para qualquer usuário na internet, 
propiciando compartilhamento de recursos e 
economia em escala. A nuvem pode ser corporativa 
(limitada a uma única organização) ou pública (muitas 
organizações e/ou muitos usuários). 
Humayun (2020) acrescenta que o conceito de computação em nuvem amadureceu 
amplamente nos últimos anos, permitindo que qualquer coisa (dados, recursos, 
serviços) possa ser hospedada na internet e disponibilizada quando necessário. 
As possibilidades de ampliação de negócios com o surgimento do conceito de 
computação em nuvem foram imensas. Atualmente, uma pequena empresa não 
precisa de um grande investimento para possuir uma estrutura computacional. Ao 
invés disso, essa estrutura pode ser “alugada” de empresas como Amazon e Google. 
https://cdn.evg.gov.br/cursos/534_EVG/videos/modulo03_video04/index.html
26Enap Fundação Escola Nacional de Administração Pública
O serviço de PaaS, por exemplo, permite que uma empresa utilize a plataforma 
computacional fornecida por uma empresa terceira, podendo focar sua atenção no 
desenvolvimento de seu software. 
Utilizar um serviço em nuvem não é exclusividade de empresas ou grandes 
corporações: usuários comuns também utilizam constantemente serviços 
disponibilizados em nuvem, como armazenamento de dados e softwares que não 
estão instalados em nossos computadores, mas sim “rodando” em um servidor. Você 
já armazenou alguma foto no Google Photos? Ou utilizou espaço de armazenamento 
no Google Drive ou no OneDrive da Microsoft? 
Há alguns anos, para poder utilizar um processador de texto ou uma planilha 
eletrônica, era necessário instalar os softwares localmente no computador. 
Atualmente, esses serviços são disponibilizados online, assim como o Google 
Documents e Google Sheets, além do Pacote Office, disponibilizado pela Microsoft. 
Toda essa gama de serviços oferecidos online é possível graças ao conceito de 
virtualização, que implica em dividir um servidor (máquina física) em várias 
“entidades virtuais” (RAYES; SALAN, 2018). Ou seja, quando você acessa um software 
online ou armazena seus dados, é como se você tivesse um computador alugado 
disponibilizado em um local físico sendo acessado pela internet.
Dentre as maiores empresas que fornecem serviços de nuvem, 
pode-se citar DropBox, Google Cloud, Microsoft Azure e AWS-
Amazon Web Services. Cada uma delas possui características 
particulares e formas de monetizar o espaço de armazenamento 
e tipos de serviço. Uma introdução sobre os serviços fornecidos 
pela nuvem da Amazon pode ser verificada no vídeo “What is 
AWS? Amazon Web Services” (veja aqui). 
1 Serviço de Infraestrutura (Infrastructure as a Service – IaaS), que permite que 
empresas aluguem uma plataforma computacional;
3 Serviço de Software (Software as Service – SaaS). 
2 Serviço de Plataforma (Platform as a Service – PaaS) e;
Rayes e Salan (2018) indicam que a computação em nuvem como a conhecemos 
surgiu em 2008 e foi dividida em três categorias de serviços: 
https://youtu.be/a9__D53WsUs
Enap Fundação Escola Nacional de Administração Pública 27
Com relação à integração da Computação em Nuvem com a Internet das Coisas, 
Kaur (2020, p. 20) apresenta os seguintes itens:
A arquitetura de uma aplicação que faz a comunicação de uma rede de sensores (típica 
da IoT) com um serviço de nuvem foi apresentada por Alturki et al. (2021, p. 89345) como 
sendo o conjunto denominado “nuvem de sensores”. Os principais componentes da 
nuvem são os sensores, o meio de comunicação sensores-nuvem e a arquitetura 
da nuvem. O meio de comunicação atua como uma ponte entre os sensores e a 
arquitetura da nuvem, facilitando a comunicação segura de dados. A figura apresenta 
uma representação desta nuvem de sensores:
Rápido transporte: 
A computação em nuvem permite o rápido transporte da grande 
quantidade de dados gerados pelas redes IoT; 
Startups de IoT: 
a possibilidade de utilizar serviços em nuvem por preços acessíveis 
agrega valor às startups de IoT, que podem reduzir seu custo total em 
infraestrutura computacional; 
Projetos: 
ao possibilitar armazenamento e acesso aos dados remotamente, 
a nuvem permite que desenvolvedores implementem projetos sem 
atrasos, e, adicionalmente, ao armazenar e acessar dados na nuvem, as 
empresas de IoT acessam uma grande quantidade de dados (Big Data). 
Arquitetura de uma aplicação de comunicação de uma rede de sensores com uma nuvem
Fonte: Alturki et al. (2021)
28Enap Fundação Escola Nacional de Administração Pública
Uma aplicação típica da nuvem de sensores é no sistema de coleta de lixo 
automatizada que ocorre em Heidelgerg, na Alemanha. Os sensores são instalados 
nos coletores de lixo e monitoram em tempo real a necessidade de esvaziá-los. A 
nuvem que provê o serviço de monitoramento é gerenciada por uma aplicação da 
empresa alemã SAP. 
Esse exemplo se encaixa em várias tecnologias discutidas até este momento, 
principalmente a rede de sensores (IoT), o serviço em nuvem e o conceito de cidade 
inteligente. Esse serviço permite que, ao invés dos caminhões de coleta acessarem 
os coletores em datas e horários específicos, a retirada do lixo ocorra em tempo real 
(assim que um coletor indicar que está cheio), garantindo mais agilidade, evitando 
fluxo desnecessário de caminhões e odor desagradável por exposição do lixo por 
um tempo maior que o necessário dentro de um coletor. 
Aplicações voltadas a cidades inteligentes são ótimos exemplos de como a IoT e 
suas tecnologias de apoio, como a computação em nuvem, podem ser utilizadas de 
forma a melhorar a qualidade de vida de uma população. 
Assim como a coleta de lixo automatizada, diversos outros serviços podem ser 
pensados e implantados nas cidades para otimizar setores como saneamento, 
transporte, saúde e segurança. 
Contudo, em primeiro lugar é necessário formar equipes com capacidade técnica 
tanto para projetar como para implantar projetos tecnológicos que consigam 
utilizar todos os recursos disponíveis na preparação de uma melhor infraestrutura 
nas cidades. Pense nisso! 
Você chegou ao final desta unidade, na qual teve a oportunidade de aprender como 
ocorre a integração da IoT com as tecnologias de machine learning e cloud computing. 
Espera-se que os conceitos apresentados sirvam para aprimorar sua análise sobre 
os temas discutidos e que você possa aplicá-los em sua atividade profissional. Agora 
é hora de colocar os conhecimentos em prática: realize os exercícios disponíveis no 
ambiente virtual. Boa sorte! 
Você pode conhecer mais sobre aplicação de nuvem de sensores 
assistindo ao vídeo referente ao sistema de suprimentos 
aeroespaciais clicando aqui.https://www.youtube.com/watch?v=cPjzggunEZM
Enap Fundação Escola Nacional de Administração Pública 29
ALCATEL-LUCENT ENTERPRISE (ALE). A Internet das Coisas (IoT) nas Empresas: 
Crie uma base segura para aproveitar as oportunidades de negócios da IoT. 2019. 
Resumo da Solução IoT para Empresas. Disponível em: https://www.al-enterprise.
com/-/media/assets/internet/documents/iot-for-enterprise-solutionbrief-ptbr.pdf. 
Acesso em: 25 jan. 2022. 
AL-QAMASH, Amal; SOLIMAN, Iten; ABULIBDEH, Rawan; MOUTAZ, Saleh. Cloud, Fog, 
and Edge Computing: A Software Engineering Perspective. Beirut: 2018 International 
Conference on Computer and Applications (ICCA), 26 jul. 2018. Disponível em: 
https://www.researchgate.net/publication/327638413_Cloud_Fog_and_Edge_
Computing_A_Software_Engineering_Perspective. Acesso em: 24 jan. 2022. 
ALTURKI, Ryan et al. Sensor-Cloud Architecture: A Taxonomy of Security Issues in Cloud-
Assisted Sensor Networks. IEEE Access. [S.l.], vol. 9, p. 89344-89359, 2021. Disponível 
em: https://ieeexplore.ieee.org/document/9451213. Acesso em 26 jan. 2022. 
ARORA, Jyoti Batra. IoT and Machine Learning - A Technological Combination for 
Smart Application. International Conference on Innovative Advancement in 
Engineering and Technology (IAET-2020), Jaipur, 2020. Disponível em: https://
papers.ssrn.com/sol3/papers.cfm?abstract_id=3548431. Acesso em: 26 jan. 2022. 
HOLDOWSKY, Jonathan; MAHTO, Monika; RAYNOR, Michael J.; COTTELEER, Mark. 
Inside the Internet of Things (IoT): A primer on the technologies building the IoT. 
Westlake: Deloitte University Press, 2015. 
HUMAYUN, Mamoona. Role of Emerging IoT Big Data and Cloud Computing for Real 
Time Application. International Journal of Advanced Computer Science and 
Applications (IJACSA),. [S.l.], n. 11, v. 4, p. 494-506, 2020. Disponível em: https://thesai.
org/Publications/ViewPaper?Volume=11&Issue=4&Code=IJACSA&SerialNo=66. 
Acesso em: 26 jan. 2022. 
KAUR, Chamandeep. The Cloud Computing and Internet of Things (IoT). International 
Journal of Scientific Research in Science, Engineering And Technology, 
[S.l.], v. 1, n. 7, p. 19-22, 2020. Disponível em: https://www.researchgate.net/
publication/338490865_The_Cloud_Computing_and_Internet_of_Things_IoT. Acesso 
em: 26 jan. 2022. 
KUBAT, Miroslav. An Introduction to Machine Learning. 2nd ed. New York: 
Springer, 2017. 
Referências 
https://www.al-enterprise.com/-/media/assets/internet/documents/iot-for-enterprise-solutionbrief-ptbr.pdf
https://www.al-enterprise.com/-/media/assets/internet/documents/iot-for-enterprise-solutionbrief-ptbr.pdf
https://www.researchgate.net/publication/327638413_Cloud_Fog_and_Edge_Computing_A_Software_Engineering_Perspective
https://www.researchgate.net/publication/327638413_Cloud_Fog_and_Edge_Computing_A_Software_Engineering_Perspective
https://ieeexplore.ieee.org/document/9451213
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3548431
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3548431
https://thesai.org/Publications/ViewPaper?Volume=11&Issue=4&Code=IJACSA&SerialNo=66
https://thesai.org/Publications/ViewPaper?Volume=11&Issue=4&Code=IJACSA&SerialNo=66
https://www.researchgate.net/publication/338490865_The_Cloud_Computing_and_Internet_of_Things_IoT
https://www.researchgate.net/publication/338490865_The_Cloud_Computing_and_Internet_of_Things_IoT
30Enap Fundação Escola Nacional de Administração Pública
MINERVA, Roberto; BIRU, Abyi; ROTONDI, Domenico. Towards a definition of the 
Internet of Things (IoT): Revision 1 - Published 27 May 2015. IEEE Internet Iniciative, 
2015. 86 p. Disponível em: https://iot.ieee.org/images/files/pdf/IEEE_IoT_Towards_
Definition_Internet_of_Things_Revision1_27MAY15.pdf. Acesso em: 21 jan. 2022. 
PINTO JUNIOR, Joelias S.; SILVA, Clerisson dos Santos e; XAVIER, Danilo Domingos. 
Segurança em Internet das Coisas: Um survey de soluções lightweight. Revista de 
Sistemas e Computação – RSC. Salvador, v. 7, n. 2, p. 365-384, 2017. Disponível em 
https://revistas.unifacs.br/index.php/rsc/article/view/5110. Acesso em: 25 jan. 2022. 
RAYES, Ammar; SALAN, Samer. Internet of Things from Hype to Reality: The Road 
to Digitization. 2nd. ed. New York: Springer Publishing Company, Incorporated, 2018. 
ROGERS, David L. Transformação digital: repensando o seu negócio para a era 
digital. 1ª ed. São Paulo: Autêntica Business, 2017. 
SERPANOS, Dimitrios; WOLF, Marilyn. Internet-Of-Things (Iot) Systems: 
Architectures, Algorithms, Methodologies. 1st ed. New York: Springer, 2018. 
SHARMA, Kirti; NANDAL, Raiumi. A Literature Study On Machine Learning Fusion 
With IOT. 3rd International Conference on Trends in Electronics and Informatics 
(ICOEI), Tirunelveli, pp. 1440-1445, 2019. Disponível em: https://ieeexplore.ieee.org/
abstract/document/8862656. Acesso em: 26 jan. 2022. 
SINGH, Bhavesh; DESAI, Rahil; ASHAR, Himanshu; TANK, Parth; KATRE, Neha. A 
Trade-off between ML and DL Techniques in Natural Language Processing. Journal 
of Physics: Conference Series: International Conference on Robotics and Artificial 
Intelligence (RoAI) 2020, Chennai, v. 1831, n. 0, p. 1-7, 2021. IOP Publishing. Disponível 
em: https://iopscience.iop.org/article/10.1088/1742-6596/1831/1/012025/pdf.
Acesso em: 26 jan. 2022. 
What is AWS? Amazon Web Services. 2019. (3 min.), son., color. Disponível em: 
https://www.youtube.com/watch?v=a9__D53WsUs. Acesso em: 26 jan. 2022. 
ZETTER, Kim. Contagem Regressiva até Zero Day: Stuxnet e o lançamento da 
primeira arma digital do mundo. 1ª ed. Rio de Janeiro: Brasport, 2017. 
https://iot.ieee.org/images/files/pdf/IEEE_IoT_Towards_Definition_Internet_of_Things_Revision1_27MAY15.pdf
https://iot.ieee.org/images/files/pdf/IEEE_IoT_Towards_Definition_Internet_of_Things_Revision1_27MAY15.pdf
https://revistas.unifacs.br/index.php/rsc/article/view/5110
https://ieeexplore.ieee.org/abstract/document/8862656
https://ieeexplore.ieee.org/abstract/document/8862656
https://iopscience.iop.org/article/10.1088/1742-6596/1831/1/012025/pdf
https://www.youtube.com/watch?v=a9__D53WsUs
	Unidade 1: Big Data e Inteligência Artificial 
	1.1 Integração entre IoT e Big Data 
	1.2 Integração entre IOT e Inteligência Artificial 
	Referências 
	Unidade 2: Machine Learning e Cloud Computing 
	2.1 Integração entre IoT e Machine Learning para Análise de Dados 
	2.2 Integração entre Cloud Computing e IoT 
	Referências